ORB-SLAM2项目数据集运行（一）

作为一名学习一年的机器视觉的学生，一直以来都没有写过像样点的自己的东西，真的是不像话，虽然有时候觉得会占用一些时间，但是能很大程度上帮助自己理解。
从github上可以下载到源码：[https://github.com/raulmur/ORB_SLAM]，这ORB-SLAM；而ORB—SLAM2的源码地址：[https://github.com/raulmur/ORB_SLAM2]，对于ORB-SLAM后面的ORB-SLAM2添加了RGBD和Stereo结构。
下载之后里面有个README.md文件，有Ubuntu默认的文本编辑器打开，开头是一些依赖库的安装，按照上面的教程去安装就好，因为我先看的高博的十四讲，所以这些库都已经安装了，就不在赘叙了，我们来说一下直接编译运行。按教程上的方法是：

cd ORB_SLAM2
chmod +x build.sh
./build.sh

因为作者把一些分步进行编译的命令都放到build.sh中，我们可以看一下build.sh

echo "Configuring and building Thirdparty/DBoW2 ..."

cd Thirdparty/DBoW2
mkdir build
cd build
cmake .. -DCMAKE_BUILD_TYPE=Release
make -j

cd ../../g2o

echo "Configuring and building Thirdparty/g2o ..."

mkdir build
cd build
cmake .. -DCMAKE_BUILD_TYPE=Release
make -j

cd ../../../

echo "Uncompress vocabulary ..."

cd Vocabulary
tar -xf ORBvoc.txt.tar.gz
cd ..

echo "Configuring and building ORB_SLAM2 ..."

mkdir build
cd build
cmake .. -DCMAKE_BUILD_TYPE=Release
make -j

从上面的语句可以知道，都是通过创建文件夹来编译生成CMakeLists.txt中需要的第三方共享库.so文件

Building CXX object CMakeFiles/ORB_SLAM2.dir/src/KeyFrameDatabase.cc.o
Building CXX object CMakeFiles/ORB_SLAM2.dir/src/PnPsolver.cc.o
virtual memory exhausted: Cannot allocate memory
virtual memory exhausted: Cannot allocate memory
virtual memory exhausted: Cannot allocate memory
virtual memory exhausted: Cannot allocate memory
virtual memory exhausted: Cannot allocate memory
make[2]: *** [CMakeFiles/ORB_SLAM2.dir/src/FrameDrawer.cc.o] Error 1
make[2]: *** Waiting for unfinished jobs....
make[2]: *** [CMakeFiles/ORB_SLAM2.dir/src/Converter.cc.o] Error 1
make[2]: *** [CMakeFiles/ORB_SLAM2.dir/src/KeyFrame.cc.o] Error 1
make[2]: *** [CMakeFiles/ORB_SLAM2.dir/src/Viewer.cc.o] Error 1
make[2]: *** [CMakeFiles/ORB_SLAM2.dir/src/Frame.cc.o] Error 1
c++: internal compiler error: Killed (program cc1plus)
Please submit a full bug report,

出现上面的错误，我也在网上找了一些解决方案，但是都不行，然后到这里就结束了吗？显然不能放弃啊，也不知道是不是脑袋抽了，想到编译说内存用尽，于是就把build.sh文件拆开来，一步步单独编译，你还别说编译还通过了，也生成了相应的可执行性文件。
下面是我单独编译的顺序：

cd ORB-SLAM2/ThirdParty/g2o/
mkdir build
cd build/
cmake ..
make

结果在lib文件夹中生成了

接着就是ThirdParty的DBoW2共享库的生成：

cd ../../DBoW2/
mkdir build
cd build/
cmake ..
make

生成了文件夹lib下面的共享库：

还有一个关于词袋模型的文件要生成，即ORBvoc.txt，这个文件在Vocabulary下面。
生成的目标文件有4个：可以看CMakeLists.txt文件可以知道

数据有三种类型TUM，KITTI，EUROC，每个都对应的单目，rgbd，stereo三种。
如果你想编译生成：mono_tum（单目-相机类型为TUM）目标文件，可以在上面的程序中加上一句：

通过最后一次编译：

cd ORB-SLAM2
mkdir build
cd build/
cmake ..
make

编译的结果为

声明一下，因为是分步编译的所以上面生成的可执行性文件在我创建的build文件夹内，而按照源程序README.md编译，可执行性文件在Example下的二级目录内。
数据集按照README.md中给出的地址下载。
TUM数据集：http://vision.in.tum.de/data/datasets/rgbd-dataset
里面有很多数据集，随便下载一个，说明一下，这里的数据都是RGB-D的，所以运行单目时用不到深度信息。（后面几个其他类型的数据集也是一样的）
KITTI数据集：http://www.cvlibs.net/datasets/kitti/eval_odometry.php ，里面的数据集都特别大，因为这些都是在户外公路上用汽车收集的数据。
EUROC数据集：http://projects.asl.ethz.ch/datasets/doku.php?id=kmavvisualinertialdatasets （我没有试过）
运行一下：
（1）mono_tum
数据集：rgbd_dataset_freiburg1_xyz(这个数据集是不是很熟悉，没错它在高博的书中有用到哦！)

在终端输入上面的代码，看下运行结果



构建的稀疏地图
小白我觉得很有意思，就把大的KITTI数据集也下下来玩了一下，看下它的单目运行情况：


（2）rgbd-tum
数据集：上面那个也行，不过我换了一个，rgbd_dataset_freiburg1_360
要在上面TUM数据集里下载tool文件associate.py

  python associate.py PATH_TO_SEQUENCE/rgb.txt PATH_TO_SEQUENCE/depth.txt > associations.txt

运行一下该数据集：


构建的稀疏地图与关键点跟踪

其他的类型都差不多，这里就不展开来了。

总结：写第一篇博客花了一个网上和一个上午的时间，主要是我机子太差了，虚拟机老是卡，总是等。机子差还有一个表现，就是在上面运行时，程序初始化好久才开始追踪。